Steigende Auftragszahlen in Unternehmen führen gleichzeitig zu einer höheren Anzahl von Retouren, was sowohl negative soziale, ökologische als auch ökonomische Auswirkungen zur Folge hat. Vor diesem Hintergrund haben sich Wissenschaftler der Universität mit dem Problem der Erhöhung von Produktretouren in Unternehmen befasst. Im Vordergrund der Arbeit stand die Entwicklung eines generischen Modells zur Echtzeit-Retourenvorhersage. Dieses soll auf Grundlage von Benutzerinteraktionen und dem aktuellen Warenkorb Wahrscheinlichkeiten für die Produktrückgabe eines bestimmten Kunden bewerten und berechnen. Dabei interagiert das Modell indirekt mit dem Kunden, um den Warenkorb zu verändern.
Das Meta-Modell zur Echtzeit-Vorhersage von Retouren wurde auf Basis von Kundeninteraktionen und ERP-Daten entwickelt. Dabei wurde das Modell in drei Stufen evaluiert. Die erste Stufe zeigte, dass ein generischer Ansatz zur Vorhersage der Wahrscheinlichkeit von Produktretouren Retouren auf Warenkorbebene vorhersagen kann. In der zweiten Stufe wurde ein Machine Learning Modul über Schnittstellen in ein cloudbasiertes ERP-System integriert. Die letzte Stufe beschreibt schließlich eine simulationsbasierte Evaluation zur Echtzeitvorhersage im Browser und ein Feedbacksystem.
Zusammengefasst unterstützt das Metamodell Kunden durch Echtzeit-Empfehlungen zur Anpassung ihres Warenkorbs auf Basis von Interaktionen mit der Website und ERP-Daten, um die Retourenquote zu senken. Ein Feedback-System wertet die Daten aus und gibt individuelle Vorschläge, um das Verhalten der Kunden zu beeinflussen. Ziel ist es letztlich so die Entscheidungsfindung der Kunden für die Produkte in ihrem Warenkorb zu beeinflussen, um letztlich Produktretouren zu reduzieren.
